Usage
microsoftml.rx_featurize(data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
pandas.core.frame.DataFrame],
output_data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
str] = None, overwrite: bool = False,
data_threads: int = None, random_seed: int = None,
max_slots: int = 5000, ml_transforms: list = None,
ml_transform_vars: list = None, row_selection: str = None,
transforms: dict = None, transform_objects: dict = None,
transform_function: str = None,
transform_variables: list = None,
transform_packages: list = None,
transform_environment: dict = None, blocks_per_read: int = None,
report_progress: int = None, verbose: int = 1,
compute_context: revoscalepy.computecontext.RxComputeContext.RxComputeContext = None)
Description
将输入数据集的数据转换为输出数据集。
Arguments
数据
一个 revoscalepy 的数据源对象、一个数据帧，或者文件 .xdf 路径。
output_data
输出文本或xdf文件名，或 RxDataSource 带有写入功能以存储转换数据。 如果 无，则返回一个数据帧。 默认值为无。
覆盖
如果True，output_data则存在被覆盖;如果Falseoutput_data存在不被覆盖。 默认值为 False。
data_threads
一个整数，表示数据管道中所需的并行度。 如果 没有，则使用线程的数量由内部确定。 默认值为无。
random_seed
指定随机种子。 默认值为无。
max_slots
返回向量值列的最大槽位数（<=0返回全部）。
ml_transforms
指定要在训练之前对数据执行的 MicrosoftML 转换的列表;如果未执行任何转换，则为 None 。 有关支持的转换，请参阅
ml_transform_vars
指定要用于 ml_transforms 变量名称的字符向量;如果未使用，则为 None 。
默认值为无。
row_selection
不支持。 指定数据集中的行（观察值），这些行（观察值）由模型使用数据集（以引号为单位）中的逻辑变量的名称，或使用数据集中的变量的逻辑表达式。 例如：
row_selection = "old"将仅使用变量old值所在的True观察值。row_selection = (age > 20) & (age < 65) & (log(income) > 10)仅使用变量值age介于 20 和 65 之间的观察值，而变量的值logincome大于 10。
在处理任何数据转换后执行行选择（请参阅参数 transforms 或 transform_function）。 与所有表达式一样， row_selection 可以使用函数在函数调用 expression 外部定义。
变换
不支持。 表示第一轮变量转换的窗体的表达式。 与所有表达式一样， transforms 可以使用函数在函数调用row_selection外部定义（或expression）。
默认值为无。
transform_objects
不支持。 一个命名列表，其中包含可由 <
transform_function
变量转换函数。 默认值为无。
transform_variables
转换函数所需的输入数据集变量的字符向量。 默认值为无。
transform_packages
不支持。 一个字符向量，用于指定其他 Python 包（在指定 RxOptions.get_option("transform_packages")包之外）可供使用并预加载，以便在变量转换函数中使用。
例如，在 revoscalepy 函数中显式定义的函数通过参数transforms和transform_function参数或通过参数formularow_selection隐式定义这些函数。 该 transform_packages 参数也可能为 None，指示未预加载外部 RxOptions.get_option("transform_packages") 的包。
transform_environment
不支持。 用户定义的环境，充当内部开发的所有环境的父环境，用于变量数据转换。
如果 transform_environment = None，则使用带有父 revoscalepy.baseenv 的新“哈希”环境，默认值为 None。
blocks_per_read
指定要为从数据源读取的每个数据区块读取的块数。
report_progress
一个整数值，该值指定对行处理进度的报告级别：
0：未报告任何进度。1：打印和更新已处理的行数。2：已处理行和计时报告。3：已处理行并报告所有计时。
默认值为 1。
详细的
一个整数值，该值指定所需的输出量。
如果在 0计算期间不打印详细输出。 整数值， 1 用于 4 提供不断增加的信息量。
默认值为 1。
compute_context
设置使用有效的 revoscalepy 指定的计算执行的上下文。RxComputeContext。 当前为本地和 revoscalepy。支持 RxInSqlServer 计算上下文。
Returns
一个数据帧或 revoscalepy。RxDataSource 对象表示生成的输出数据。
Example
'''
Example with rx_featurize.
'''
import numpy
import pandas
from microsoftml import rx_featurize, categorical
# rx_featurize basically allows you to access data from the MicrosoftML transforms
# In this example we'll look at getting the output of the categorical transform
# Create the data
categorical_data = pandas.DataFrame(data=dict(places_visited=[
"London", "Brunei", "London", "Paris", "Seria"]),
dtype="category")
print(categorical_data)
# Invoke the categorical transform
categorized = rx_featurize(data=categorical_data,
ml_transforms=[categorical(cols=dict(xdatacat="places_visited"))])
# Now let's look at the data
print(categorized)
输出：
places_visited
0 London
1 Brunei
2 London
3 Paris
4 Seria
Beginning processing data.
Rows Read: 5, Read Time: 0, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 5, Read Time: 0, Transform Time: 0
Beginning processing data.
Elapsed time: 00:00:00.0521300
Finished writing 5 rows.
Writing completed.
places_visited xdatacat.London xdatacat.Brunei xdatacat.Paris \
0 London 1.0 0.0 0.0
1 Brunei 0.0 1.0 0.0
2 London 1.0 0.0 0.0
3 Paris 0.0 0.0 1.0
4 Seria 0.0 0.0 0.0
xdatacat.Seria
0 0.0
1 0.0
2 0.0
3 0.0
4 1.0